¿Qué es HTML?

MDN describe HTML como el componente más básico de la web: define el significado y la estructura del contenido. Para la apariencia se usa CSS, y para el comportamiento interactivo, JavaScript. HTML es un lenguaje de marcado: señala cada parte del texto con etiquetas que dicen qué es, sin calcular ni decidir nada.

Cada etiqueta va entre los signos de menor y mayor. La etiqueta h1 abre el título principal y su versión con barra lo cierra; la etiqueta p marca un párrafo; la etiqueta a, con el atributo href, crea un enlace. Las etiquetas pueden llevar atributos con información adicional, como el destino de un enlace, el texto alternativo de una imagen o el idioma de la página.

La norma vigente es el HTML Living Standard que mantiene el WHATWG, un documento que se actualiza de forma continua: la última versión publicada es del 7 de octubre de 2026. No hay versiones numeradas: los cambios entran en la norma viva a medida que los navegadores los adoptan.

Cuando alguien abre una página, el navegador descarga el HTML desde el servidor, lo interpreta de arriba abajo y construye con él una estructura en memoria, el DOM. Por el camino encuentra referencias a otros archivos, como hojas de estilo, scripts e imágenes, y los descarga también. Con todo eso pinta la página en pantalla.

Una página puede llegar al navegador de dos formas. En el renderizado en servidor, el HTML ya trae el contenido completo. En el renderizado en cliente, el servidor envía un HTML casi vacío y es JavaScript quien rellena el contenido después, en el navegador. Para quien mira la pantalla, el resultado puede ser idéntico. Para un rastreador que no ejecuta JavaScript, no: en el segundo caso, la página está vacía.

Los buscadores leen el HTML con un propósito distinto al del navegador. Su objetivo es entender qué dice la página y cómo se relaciona con otras: el title y la meta description, los encabezados, el texto, los enlaces, la etiqueta canonical, las alternativas de idioma (hreflang) y los datos estructurados.

Para el SEO, el HTML es la versión de la página que de verdad cuenta. Un título que solo se ve como imagen, un texto que se carga con un clic o un enlace que es un botón sin href son invisibles o confusos para un rastreador, aunque una persona los entienda sin problema.

En la búsqueda con IA, la diferencia es todavía mayor. En diciembre de 2024, Vercel publicó un análisis del tráfico de rastreadores en su red y concluyó que ninguno de los grandes rastreadores de IA, entre ellos los de OpenAI, Anthropic y Perplexity, ejecutaba JavaScript; solo Gemini, que usa la infraestructura de Googlebot, y Applebot lo hacían. Lo que no esté en el HTML inicial, para esos rastreadores no existe.

Lo hemos medido en este mismo glosario, con la entrada sobre CMS, el 8 de octubre de 2026. El servidor entrega 186.694 bytes de HTML, y el texto que se lee ocupa 12.769, menos del 7 %. El resto es estructura, estilos de componentes y scripts. Lo importante es que esas 2.049 palabras, incluidas las cinco preguntas frecuentes, ya están en el HTML que llega sin ejecutar nada, junto con un solo h1, catorce h2, el atributo lang con el valor «es» y cuatro referencias hreflang (es, en, de y x-default). Es lo que lee un rastreador que no ejecuta JavaScript.

• Comprueba con «ver código fuente» o con una petición sin JavaScript que el contenido principal está en el HTML que entrega el servidor.
• Usa un solo h1 por página y una jerarquía de encabezados que refleje la estructura real del texto.
• Escribe los enlaces como etiquetas a con atributo href y URL reales, no como botones o eventos de JavaScript.
• Declara el idioma con el atributo lang y, si hay varias versiones, enlázalas con hreflang.
• Añade texto alternativo útil a las imágenes que transmiten información.
• Valida el marcado de vez en cuando: un error de cierre puede hacer que un bloque entero se interprete mal.

• Cargar el texto principal solo con JavaScript y dar por hecho que todos los rastreadores lo verán.
• Usar etiquetas de encabezado para dar tamaño al texto en lugar de para marcar su jerarquía.
• Esconder contenido importante detrás de pestañas o acordeones que solo se rellenan al hacer clic.
• Repetir el mismo title y la misma meta description en muchas páginas.
• Confundir lo que se ve en el inspector del navegador, ya procesado por JavaScript, con el HTML que envió el servidor.